सामग्री पर जाएं

नॉलेज लाइब्रेरी

उन पुस्तकों, शोधपत्रों, लेखों और कोड के सारांश और मुख्य विचार, जिन्हें हमारे एआई एजेंट पढ़ते हैं। इन्हें Stratmill के शोध एजेंट ने लिखा है। हर पृष्ठ पर मूल स्रोत का लिंक है।

लाइब्रेरी में खोजें

867 दस्तावेज़

Machine Learning for Trading

यह नोटबुक NLinear का मूल्यांकन करती है। यह एक न्यूनतम अनुक्रम मॉडल है, जो हर लुकबैक विंडो से अंतिम देखे गए स्तर को घटाकर शेष मानों को पूर्वानुमान में बदलता है। इसकी सरलता इसे अधिक जटिल अनुक्रम आर्किटेक्चर के लिए उपयोगी बेंचमार्क बनाती है। मॉडल घोषित ETF समूह…

मशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह दस्तावेज़ फ़र्म विशेषताओं से मासिक रिटर्न का पूर्वानुमान करने वाले TabM न्यूरल नेटवर्कों का वॉक-फ़ॉरवर्ड अध्ययन बताता है। साझा प्रशिक्षण रनर रिग्रेशन के लिए squared error और वर्गीकरण के लिए cross-entropy उद्देश्य तय करता है, इसलिए प्रयोग में लॉस फ़ंक्शन…

इक्विटीमशीन लर्निंगसांख्यिकीबैकटेस्टिंग
Machine Learning for Trading

यह दस्तावेज़ मानकीकृत बाज़ार-डेटा लोडर, पहले से बने फ़ीचरों की रजिस्ट्री और सिग्नल डायग्नोस्टिक्स को जोड़ने वाला कार्यप्रवाह प्रस्तुत करता है। फ़ीचर गणना नामों, पैरामीटर शब्दकोशों या YAML से निर्दिष्ट की जा सकती है, जिससे दोहराए जा सकने वाले पाइपलाइन और…

तकनीकी संकेतकमशीन लर्निंगसांख्यिकीइक्विटी
Machine Learning for Trading

यह नोटबुक इक्विटी विकल्प विश्लेषण केस स्टडी पर लागू पाँच गुप्त-फैक्टर तरीकों का परिवार-स्तरीय दृष्टिकोण देती है। PCA प्रतिफल पैनल से सीधे साझा उतार-चढ़ाव का अनुमान लगाती है; IPCA विशेषताओं को रैखिक रूप से एक्सपोज़र से जोड़ती है; सशर्त ऑटोएन्कोडर गैर-रैखिक…

ऑप्शंसमशीन लर्निंगफ़ैक्टर निवेशसांख्यिकी
Machine Learning for Trading

यह अध्याय बैकटेस्ट को संकेत के समय, निष्पादन, रीबैलेंसिंग, आकार निर्धारण, लागत, बाधाओं और मानकों के बारे में स्पष्ट धारणाओं से रणनीति को गलत साबित करने का प्रयास मानता है। यह अवस्था, ऑर्डर क्रम, नकदी और फ़िल के संचालन के आधार पर वेक्टरकृत तथा घटना-चालित…

बैकटेस्टिंगऑर्डर निष्पादनजोखिम प्रबंधनसांख्यिकी
Machine Learning for Trading

यह स्रोत अपरिवर्तनीय प्रशिक्षण विनिर्देश से मॉडल अनुरोध का पुनर्निर्माण करने और परिणामस्वरूप रन को सत्यापित करने के सुरक्षा उपाय बताता है। यह जाँचता है कि अनुरोध समर्थित पहचान संस्करण, मानक निष्पादन स्तर, मेल खाते मॉडल परिवार और अध्ययन तथा अपरिवर्तित…

मशीन लर्निंगबैकटेस्टिंगसांख्यिकीजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक इंस्ट्रूमेंटेड प्रिंसिपल कंपोनेंट विश्लेषण को क्रॉस-सेक्शनल प्रतिफल के मॉडल के रूप में प्रस्तुत करती है। हर कंपनी की विशेषताओं को सीधे प्रतिफल भार देने के बजाय, IPCA विशेषताओं से फैक्टर एक्सपोज़र तक साझा रैखिक मानचित्र का अनुमान लगाती है, साथ ही…

इक्विटीफ़ैक्टर निवेशमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक एक ही काम के लिए चार तंत्रिका नेटवर्क संरचनाओं की तुलना करती है: आठ एक्सचेंज-ट्रेडेड फंडों के संयुक्त समूह में पिछले प्रतिफलों की विंडो से अगले दैनिक प्रतिफल का पूर्वानुमान। इसमें बताया गया है कि सघन नेटवर्क, एक-आयामी कन्वोल्यूशन, LSTM और GRU उस…

मशीन लर्निंगबैकटेस्टिंगइक्विटीसांख्यिकी
Machine Learning for Trading

यह नोटबुक S&P 500 शेयरों की रैंकिंग के लिए उनके विकल्प-सतह और भाव इतिहास की विंडो इस्तेमाल करने वाले अनुक्रम मॉडल का मूल्यांकन करती है। यह सामान्यीकृत रैखिक मॉडल, जिसमें आवर्ती स्मृति नहीं होती, की तुलना LSTM से करती है, जिसके गेट समय के साथ जानकारी आगे ले…

मशीन लर्निंगइक्विटीऑप्शंसबैकटेस्टिंग
Machine Learning for Trading

यह अध्याय बताता है कि हर निर्णय समय पर उपलब्ध जानकारी का सम्मान करते हुए वित्तीय मशीन-लर्निंग मॉडल का मूल्यांकन कैसे करें। यह प्रशिक्षण, सत्यापन और अंतिम होल्डआउट में अंतर स्पष्ट करता है और समझाता है कि बेतरतीब ढंग से शफ़ल किया गया k-फ़ोल्ड सत्यापन अतीत का…

मशीन लर्निंगबैकटेस्टिंगसांख्यिकीजोखिम प्रबंधन
Machine Learning for Trading

यह नोटबुक N-BEATS बनाती है—एक पूर्णतः संयोजित तंत्रिका पूर्वानुमान संरचना, जो पूरी इनपुट विंडो को संसाधित करके भविष्य का पथ अनुमानित करती है। इसका व्याख्येय रूप ब्लॉकों को बहुपद ट्रेंड और फ़ूरियर मौसमी आधारों के जरिए घटक व्यक्त करने तक सीमित करता है। अवशिष्ट…

मशीन लर्निंगइक्विटीबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक दो अवधियों में ETF रिटर्न के पूर्वानुमान के लिए LightGBM मॉडल की तुलना ridge आधाररेखा से करती है। यह समझाती है कि पेड़ व्यवस्था-निर्भर परस्पर प्रभाव खोज सकते हैं—जैसे बाज़ार तनाव में मोमेंटम का अलग व्यवहार—जबकि लालची विभाजन अत्यधिक सहसंबद्ध फ़ीचर…

इक्विटीमशीन लर्निंगबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक 13F फ़ाइलिंग की संस्थागत होल्डिंग्स पर संरचित ग्राफ़-शैली रिट्रीवल की तुलना एम्बेडिंग-आधारित वेक्टर रिट्रीवल से करती है। यह एक निश्चित कटऑफ़ पर समय-बिंदु होल्डिंग स्नैपशॉट बनाती है, स्टॉक यूनिवर्स सीमित करती है और स्टॉक धारकों, संस्थागत होल्डिंग्स…

इक्विटीमशीन लर्निंगसांख्यिकीपोर्टफोलियो निर्माण
Machine Learning for Trading

यह नोटबुक हारने वाले ट्रेडों को उनके निर्णयों से जुड़ी मॉडल व्याख्याओं से जोड़ने का वर्कफ़्लो दिखाती है। यह मूल्य और मैक्रोइकॉनॉमिक डेटा से एकल-एसेट SPY फ़ीचर पैनल बनाती है, पहले के अवलोकनों पर LightGBM मॉडल प्रशिक्षित करती है और बाद के अवलोकनों से ट्रेड…

इक्विटीमशीन लर्निंगजोखिम प्रबंधनसांख्यिकी
Machine Learning for Trading

यह नोटबुक उस रणनीति के लिए फ़ॉरवर्ड-रिटर्न लेबल बनाती है जो सूचीबद्ध ऑप्शन संकेत पढ़ती है और अंतर्निहित शेयरों में ट्रेड करती है। यह दैनिक शेयर कीमतों को स्प्लिट और लाभांश के लिए समायोजित करती है, स्थायी प्रतिभूति पहचानकर्ता का उपयोग करती है और इच्छित प्रवेश…

इक्विटीऑप्शंसमशीन लर्निंगबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक अलग-अलग बाज़ार अवधियों में ETF मोमेंटम फ़ीचर और क्रिप्टो परपेचुअल फ़्यूचर्स फ़ीचर के लिए कोवैरिएट ड्रिफ्ट की निगरानी दिखाती है। यह Population Stability Index की तुलना करती है, जो अलग-अलग फ़ीचर वितरणों में बदलाव मापता है, Wasserstein दूरी से और ऐसे…

मशीन लर्निंगसांख्यिकीजोखिम प्रबंधनक्रिप्टो
Machine Learning for Trading

यह नोटबुक इंस्ट्रूमेंटेड प्रिंसिपल कंपोनेंट एनालिसिस समझाती है, जिसमें हर स्टॉक को स्थिर भार देने के बजाय गुप्त-कारक भार देखी जा सकने वाली स्टॉक विशेषताओं पर निर्भर करते हैं। विशेषताओं से कारक एक्सपोज़र तक साझा मैपिंग, प्रशिक्षण पैनल में अनुपस्थित स्टॉक्स के…

इक्विटीमशीन लर्निंगसांख्यिकीफ़ैक्टर निवेश
Machine Learning for Trading

यह दस्तावेज़ ऐसे कंपनी-रिटर्न मॉडल परिवार का परिचय देता है जो मानता है कि कुछ ही अज्ञात साझा फ़ैक्टर क्रॉस-सेक्शन के अधिकांश हिस्से को समझाते हैं। विशेषताओं से सीधे रिटर्न का पूर्वानुमान लगाने के बजाय ये मॉडल विशेषताओं से हर कंपनी के फ़ैक्टर एक्सपोज़र का…

इक्विटीफ़ैक्टर निवेशमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक वोलैटिलिटी, मोमेंटम और क्रॉस-सेक्शनल कैरी रैंक के लिए समायोजन के बाद यह अनुमान लगाने हेतु डबल मशीन लर्निंग का उपयोग करती है कि फ़्यूचर्स कैरी का बाद के रिटर्न पर प्रभाव है या नहीं। यह कारणात्मक व्याख्या और पूर्वानुमान प्रदर्शन में अंतर करती है:…

फ़्यूचर्सकैरीमशीन लर्निंगसांख्यिकी
Machine Learning for Trading

यह दस्तावेज़ बताता है कि पूँजी आवंटित करने से पहले शैडो मूल्यांकन में मौजूदा और उम्मीदवार मॉडल की तुलना कैसे करें। यह उनकी भूमिकाएँ और प्रमोशन सीमाएँ पहले से तय करता है, फिर पाँच आयामों पर उम्मीदवार का आकलन करता है: वार्षिकीकृत शार्प में सुधार, न्यूनतम…

मशीन लर्निंगसांख्यिकीजोखिम प्रबंधनबैकटेस्टिंग
Machine Learning for Trading

यह नोटबुक Parquet स्रोतों, इकाइयों, फ़ीचर व्यू, टाइमस्टैम्प और समय-सीमा नीति के साथ Feast कॉन्फ़िगर करना दिखाती है, फिर प्रशिक्षण उदाहरणों और लाइव-जैसी वर्तमान-समय क्वेरी के लिए फ़ीचर प्राप्त करती है। यह Feast के आउटपुट की हाथ से लिखे समय-बिंदु जॉइन से…

मशीन लर्निंगऑर्डर निष्पादनबैकटेस्टिंगसांख्यिकी
Machine Learning for Trading

यह नोटबुक इक्विटी फ़ैक्टर मॉडलिंग के लिए सुपरवाइज़्ड ऑटोएन्कोडर प्रस्तुत करती है। अनसुपरवाइज़्ड ऑटोएन्कोडर के विपरीत, जो क्रॉस-सेक्शन का पुनर्निर्माण करके बॉटलनेक सीखते हैं, इस मॉडल के प्रशिक्षण उद्देश्य में फ़ॉरवर्ड रिटर्न भी शामिल हैं। इसलिए लक्ष्य सीखी गई…

इक्विटीमशीन लर्निंगफ़ैक्टर निवेशसांख्यिकी
Machine Learning for Trading

यह नोटबुक CME फ़्यूचर्स पर न्यूरल स्टोकेस्टिक डिस्काउंट-फ़ैक्टर मॉडल लागू करती है। एसेट-प्राइसिंग के संदर्भ में, स्टोकेस्टिक डिस्काउंट फ़ैक्टर ऐसा यादृच्छिक चर है जिसका हर एसेट के रिटर्न से गुणन, आर्बिट्राज न होने की स्थिति में, समान अपेक्षित मान देता है।…

फ़्यूचर्समशीन लर्निंगफ़ैक्टर निवेशबैकटेस्टिंग
Machine Learning for Trading

यह अध्याय वित्तीय पाठ निरूपणों का सर्वेक्षण करता है—शब्दकोशों और शब्द-गणना से लेकर TF-IDF, स्थिर एम्बेडिंग, आवर्ती नेटवर्क और ट्रांसफ़ॉर्मर तक। यह इनके बीच के समझौते समझाता है: सरल तरीके तेज़, व्याख्यायोग्य और वित्त के अनुसार ढलने योग्य हैं, जबकि…

मशीन लर्निंगबाज़ार भावनासांख्यिकीइक्विटी